發(fā)布時間：2022-01-24 09:12

　　研究了在復(fù)合高斯雜波環(huán)境下利用先驗知識解決多輸入多輸出（MIMO）雷達(dá)目標(biāo)檢測的問題,通過將復(fù)合高斯模型下的紋理分量描述為逆高斯分布,并基于兩步廣義似然比計算準(zhǔn)則,設(shè)計了一種基于MIMO雷達(dá)系統(tǒng)的復(fù)合高斯雜波環(huán)境下的自適應(yīng)匹配濾波（兩步廣義似然比,AMF）檢測算法。研究了MIMO雷達(dá)中輸入、輸出天線的個數(shù)對檢測算法的影響,通過對該算法的仿真,結(jié)果表明與MIMO體制下傳統(tǒng)的AMF檢測算法和MIMO體制下球不變隨機矢量模型下的AMF檢測算法相比,該檢測算法具有更優(yōu)的檢測性能。 

【文章來源】：電子測量技術(shù). 2020,43(17)

【文章頁數(shù)】：4 頁

【部分圖文】：

MIMO雷達(dá)收發(fā)天線配置

本節(jié)采用Monte Carlo法對所提出的檢測算法在MIMO體制下逆高斯紋理復(fù)合高斯雜波背景下的目標(biāo)檢測性能進(jìn)行分析,并將所提檢測算法記為MIMO-AMF-IG檢測算法。MIMO-AMF-IG檢測算法流程如圖2所示。通過將MIMO-AMF-IG檢測算法和MIMO雷達(dá)體制下傳統(tǒng)的兩步廣義似然比檢測算法(MIMO-AMF)[15]以及MIMO雷達(dá)體制下球不變隨機矢量模型下的兩步廣義似然比檢測算法(MIMO-AMF-SIRV)[16],進(jìn)行檢測性能比較。在本節(jié)的仿真實驗中,作如下假設(shè):

通常使用SCR-Pd圖來表征雷達(dá)的檢測性能。如圖3所示,當(dāng)發(fā)射陣個數(shù)M=4,接收陣元個數(shù)R=2時,MIMO雷達(dá)對目標(biāo)的檢測性能最佳。當(dāng)發(fā)射陣個數(shù)M=2,接收陣元個數(shù)R=4時,檢測性能稍遜。當(dāng)發(fā)射陣個數(shù)M=2,接收陣元個數(shù)R=2時,檢測性能最糟糕。因此,合理增加MIMO雷達(dá)發(fā)射陣元個數(shù),將能有效提升其檢測性能。3.2 MIMO-AMF-IG檢測算法的性能分析

【參考文獻(xiàn)】：
期刊論文
[1]多輸入多輸出天波超視距雷達(dá)多模雜波抑制的改進(jìn)最小方差無失真響應(yīng)算法研究[J]. 洪升,李潔,董延燾,趙志欣,王玉皞.  兵工學(xué)報. 2020(05)
[2]非高斯雜波中機載多進(jìn)多出雷達(dá)動目標(biāo)檢測[J]. 張彥飛,孫文杰,孫玉梅,孟祥偉,陳祥光.  西安電子科技大學(xué)學(xué)報. 2020(03)
[3]逆伽馬紋理復(fù)合高斯雜波參數(shù)的貝葉斯估計方法[J]. 許述文,王樂,曾威良,水鵬朗.  太赫茲科學(xué)與電子信息學(xué)報. 2019(04)
[4]復(fù)合高斯雜波下抑制失配信號的自適應(yīng)檢測器[J]. 許述文,石星宇,水鵬朗.  雷達(dá)學(xué)報. 2019(03)
[5]一種雷達(dá)目標(biāo)極化特性建模方法[J]. 劉宇,顧振杰,李亭.  國外電子測量技術(shù). 2017(12)
[6]捷聯(lián)慣導(dǎo)/天文導(dǎo)航/合成孔徑雷達(dá)組合導(dǎo)航系統(tǒng)[J]. 李群生,趙剡,魯浩,徐劍蕓.  儀器儀表學(xué)報. 2017(11)
[7]改進(jìn)的激光雷達(dá)回波信號去噪方法[J]. 朱玲嬿,常建華,李紅旭,徐帆,劉秉剛.  電子測量與儀器學(xué)報. 2017(10)
[8]相控陣MIMO雷達(dá)最佳子陣數(shù)目估算方法[J]. 鄒佳龍,姚元,王建明.  電子測量技術(shù). 2016(01)

博士論文
[1]MIMO雷達(dá)目標(biāo)自適應(yīng)檢測算法研究[D]. 李娜.電子科技大學(xué) 2016
[2]MIMO雷達(dá)若干關(guān)鍵技術(shù)研究[D]. 晁淑媛.西安電子科技大學(xué) 2011

碩士論文
[1]復(fù)合高斯雜波背景下距離擴展目標(biāo)檢測[D]. 石星宇.西安電子科技大學(xué) 2019
[2]海雜波幅度模型參數(shù)估計研究[D]. 王樂.西安電子科技大學(xué) 2019



本文編號：3606307